筆跡鑒別中半監(jiān)督降維算法的研究.pdf

1、　　筆跡鑒別是根據(jù)手寫筆跡的風格對書寫人身份進行判定的一門科學與技術(shù)。筆跡的獲取具有非侵犯性，易為人所接受，目前筆跡在司法、金融、考古、公安等領(lǐng)域中被廣泛的用來鑒定人的身份。作為一種生物識別技術(shù)，目前的筆跡鑒別已經(jīng)成為眾多研究者關(guān)注的一個研究熱點。
　　在實際應(yīng)用中我們通常得到的是大量的無標號樣本和很少量的標號樣本。傳統(tǒng)的監(jiān)督學習需要大量的標號樣本，而無監(jiān)督的學習方法僅僅使用無標號樣本，而浪費了標號樣本。因此，半監(jiān)督學習即從有

2、標號樣本和無標號樣本中學習，成為了機器學習領(lǐng)域中的一個新的研究熱點。如今的半監(jiān)督學習已經(jīng)從最初的半監(jiān)督分類和半監(jiān)督聚類，擴展到了半監(jiān)督回歸和半監(jiān)督降維。相對于其它三個半監(jiān)督學習算法，半監(jiān)督降維的研究還比較少。本文主要研究筆跡鑒別中的半監(jiān)督降維算法，主要工作如下：
　　首先，對采集得到的筆跡圖片進行預處理得到歸一化的筆跡紋理圖片，本文采用的是基于紋理分析的方法，使用改進的多通道Gabor小波提取筆跡的紋理特征，本文的Gabor核

3、函數(shù)取40個通道，對于每一通道的Gabo r濾波圖像都提取其均值和方差作為最后的特征，這樣每一幅筆跡圖片得到一個由80個特征組成的特征向量作為最后的筆跡特征。
　　其次，分析比較現(xiàn)有的半監(jiān)督降維算法的優(yōu)缺點，結(jié)合筆跡鑒別數(shù)據(jù)的特點，本文提出了適用于筆跡鑒別的基于測地線距離的半監(jiān)督局部維數(shù)約減算法(GSLDR)，該算法用測地線距離代替了不能反映數(shù)據(jù)流形結(jié)構(gòu)的歐式距離，對成對約束信息進行了擴充，提高了約束信息對降維的指導作用，并且